摘要：“今年我们看到不少智能体模式出现，但很多都是基于通用大模型加上智能体框架来做。这类方式在 to C 场景中可能没问题，但在 to B，尤其面对大型企业时，往往不够用。同时，这几年企业也越来越意识到，数据不该只是成本，最好能变成收入。”

“今年我们看到不少智能体模式出现，但很多都是基于通用大模型加上智能体框架来做。这类方式在 to C 场景中可能没问题，但在 to B，尤其面对大型企业时，往往不够用。同时，这几年企业也越来越意识到，数据不该只是成本，最好能变成收入。”

「明亮公司」获悉，11月13日，慧辰股份在“数据筑基 模型共舞”AI重塑应用生态战略发布会中，联合生态合作伙伴发布企业场景化数字智能体产品矩阵，并推出“X”机器人智脑，首次向业界展示了其在具身智能智脑领域的技术赋能新探索。

HCR慧辰股份CTO马亮在分享中指出，“产品不追求‘通才’，而要打造‘专才’——在具体业务场景中真正懂业务、能解决问题的场景智能体，关注可量化的降本增效价值，以及低使用成本与安全”。

据悉，此次公布的一系列AI垂直应用产品，基于公司的高质量行业数据集积累和场景化认知，展现了一条清晰的AI落地路径，将为商业市场客户提供更加贴合应用场景、更加高效可靠的AI智能化路径。

其中，Data Agen分析产品体系作为新一代企业数据智能分析服务平台，基于Chat与数字人智能交互模式，实现对企业业务场景中内外部数据的融合分析，提供从查询、业务归因到策略建议的全链路数据智能能力，目前已开始应用于部分行业头部客户的销售与供应链等场景中。

垂直行业数据洞察智能体则专注于企业中更具价值的非结构化数据资源，能够对多个场景所产生的大量非结构化数据文档，进行专业且快速的挖掘与洞察。当前在医疗行业场景中，针对大量专业记录文档，有效观点发现的召回率约在85%以上。

此外，市场需求研判智能体面向企业在销售与售前服务环节的提效需求，提供战略客户全渠道画像构建、宏观与微观业务动态追踪、项目商机挖掘与评估等一系列能力，目前已在运营商的政企客户服务场景中投入应用；数字员工管理平台针对企业未来大规模应用数字员工所需的运营管理支撑，提供涵盖数字化形象定制与管理、智能播报内容生成、实时互动响应（对接智能体）在内的全流程数字人能力支持，目前已在烟草行业相关场景中开展试点探索。

同步亮相的具身智能智脑产品HCR -“X”机器人成为一大亮点。

据马亮介绍，该机器人融合百川智能顶尖大模型（BaiChuan-M2-PLUS）与HCR自有模型和算法模型调优能力，是能理解复杂指令、自主完成任务的“行业熟手”。现场，搭载智脑的松延动力机器人“小顽童”通过精准问答，展现了公司在训练多行业垂直专业化“智脑”方面的能力。

此外，为推进生态共建，HCR慧辰股份副董事长何伟与首都在线高级副总裁何剑鸣于现场完成战略签约。未来，双方将重点在消费场景进行深度融合，通过联合打造更具针对性和竞争力的标准化或定制化方案，赋能终端企业客户实现智能化转型。

以下为马亮演讲（经编辑）：

随着技术发展，数据、模型、算力这些要素正在不断进步，尤其是数据积累非常快，很多大企业的内部数据增长迅猛。

这就带来一个现实：企业越来越希望把内部数据用好、用出价值，实现从“数字化”到“智能化”的跨越——数据不该只是成本，最好能变成收入。

在这个过程中，“智能体”成了热点。今年我们看到不少智能体模式出现，但很多都是基于通用大模型加上智能体框架来做。这类方式在 to C 场景中可能没问题，但在 to B，尤其面对大型企业时，往往不够用。我们不少大客户在2023、2024年尝试之后反馈，这类方案听起来很对，但实际“没什么用”。原因有几个：

第一，方案无法深入业务，解决不了实际问题，客户称之为“正确而无用的东西”；第二，模型存在幻觉问题，输出不可靠，影响决策；第三，如果用公共模型传数据，合规会成问题；第四，如果做私有化部署，成本又太高——比如部署一个千亿级别的大模型，可能需要一批H100/H200服务器，一台就两百多万，大多数企业投不起。

因为这些现实问题，很多客户还在观望。但我们从中看到一个共识：真正的落地，必须依靠垂直类大模型。企业不需要“什么都会，但什么都不精”的通才，而要的是在特定场景下能解决问题的专才。

而垂直模型的核心，就是数据——你有没有那个行业的专业数据。这些数据规模不一定很大，但专业性强，而且散布在各个行业深处，外部很难获取，只有像我们这样长期在行业中积累的公司，才能沉淀下来。

我们公司做了十五六年数据分析，主要在快消、汽车、医疗、运营商、烟草、TMT等行业服务。每年采购数据的合同量很大，去年就有1343个，采购成本在一点几到两点几个亿之间，占项目成本的40%–60%。十几年下来，累计投入几十亿，也因此积累了大量的行业数据。

这些数据主要覆盖三大类：企业外部环境数据、内部运营数据，以及产品和用户数据。更重要的是，我们在业务过程中对这些数据做了深度的业务标注和特征抽象，不仅做基础处理，还会做业务层面的质量评估和双向校验，标注出业务异常、突变、归因逻辑等——这些才是企业真正关心、愿意买单的分析点。

过去我们没敢大规模用这些数据，一方面是因为数据应用的政策法规还不够明确，合规有风险；另一方面，也缺乏高效的技术手段把数据资源快速自动化地应用起来。直到2023年下半年，相关政策逐渐清晰、可操作，我们才开始动手，把原来的能力体系升级，基于大模型和智能体构建新的架构。

新体系包括几个部分——底层是算力资源，我们自建一部分，也引入生态伙伴，共同支持算力需求；数据层面，把数据从成本变成可运营、可销售的资产；在此基础上，结合行业认知，做出更有价值的应用。

从今年开始，我们一个行业一个行业地系统整理数据。

比如快消领域中的饮料细分，我们已经整理了近800项高质量数据。通过自动蒸馏等技术，我们把数据加工得更加适合垂类大模型训练。这些数据本身可以对外销售，很多做大模型的厂商都非常需要；同时我们也内部用于训练行业模型，支撑智能体的开发——因为我们有高质量数据，所以智能体在专业对话和业务理解上能做得更到位、更可信。

在产品层面，我们重点还是解决企业内的数据分析需求，尤其是两大场景：结构化数据和非结构化数据分析。传统BI工具灵活性不足，而我们基于大模型和智能体，可以让业务人员直接用自然语言提问，快速获得分析结果、归因解读甚至行动建议——这才是客户愿意买单的价值。

例如，某国际饮料客户，全国有1000多人的销售团队。原来用传统BI系统，现在通过我们的智能体，在手机上3分钟内就能问到销售情况，效率大大提升；某医药客户，在做药品电话调研复核时，原来需要三到四天完成的分析，现在半小时就能出结果，准确率达到85%，而用通用大模型只有50%–60%。

除了数据分析类产品，我们也布局数字人和智能体管理平台。企业越来越需要可控、可管理的数字人员工，用于内容生成、培训、政策解读甚至领导发言视频制作。我们提供的平台可以帮助企业快速训练和管理多个数字人，适应不同场景，目前在烟草、运营商等领域已经开始落地。

最后，我们也开始探索人形机器人方向。我们认为，机器人的终极能力不只在于运动控制（小脑），更在于认知与决策（大脑）。我们正在尝试将行业模型和数据能力嵌入机器人“大脑”，例如在医疗健康场景中，让机器人具备健康监测、老人看护、应急响应等能力。这背后需要垂直的医疗知识、语音交互和多模态识别，正是我们可以赋能的领域。

总结来说，我们未来的方向非常明确：基于已积累的行业数据、垂直模型和智能体技术，为企业提供更专业、更安全、更低成本的智能化解决方案。我们不追求技术的“快”或“炫”，而是聚焦在客户真正关心的降本增效、专业可信与合规安全上，一个行业一个行业扎下去，把智能化的价值做实。

作者：苏打

出品：明亮公司

来源：明亮公司主编